Massimiliano Moruzzi, Pendiri dan CEO Xaba – Seri Wawancara

Massimiliano Moruzzi, pendiri dan CEO Xaba, adalah seorang eksekutif industri otomasi dan AI yang berpengalaman dengan keahlian yang mendalam di bidang robotika, sistem manufaktur, mesin CNC, dan kontrol industri yang digerakkan oleh AI. Sebelum mendirikan Xaba pada tahun 2022, ia memegang posisi kepemimpinan di Augmenta, di mana ia memimpin upaya penelitian dan pengembangan yang berfokus pada otomasi yang digerakkan oleh AI, dan sebelumnya menjabat sebagai insinyur dan posisi pengembangan perangkat lunak di Ingersoll Machine Tools dan IMTA. Selama lebih dari dua dekade di industri teknologi, Moruzzi telah fokus pada menghubungkan kesenjangan antara robotika canggih dan penerapan manufaktur yang praktis, dengan penekanan khusus pada memungkinkan mesin untuk beroperasi lebih cerdas, adaptif, dan otonom.

Xaba adalah sebuah perusahaan AI industri yang berbasis di Toronto yang mengembangkan apa yang mereka sebut sebagai “otak sintetis” untuk robot industri dan sistem pabrik. Platform perusahaan ini menggabungkan AI generatif, pembelajaran penguatan, kontrol robot, dan otomasi industri untuk memungkinkan robot, mesin CNC, dan sistem yang dikendalikan oleh PLC untuk memprogram diri sendiri dan beradaptasi dalam waktu nyata tanpa perlu penulisan kode manual. Teknologi andalan mereka, termasuk xCognition dan PLCfy, dirancang untuk mengotomasi pemrograman robot, mengoptimalkan alur kerja manufaktur, dan mempercepat penerapan di berbagai industri seperti aerospace, otomotif, dan manufaktur canggih. Xaba memposisikan teknologinya sebagai cara untuk memodernisasi otomasi pabrik dengan menggantikan sistem yang kaku dan diprogram manual dengan kontrol kognitif yang digerakkan oleh AI yang dapat belajar dari data operasional dan menyesuaikan diri dengan lingkungan produksi yang berubah.

Apa yang pertama kali memicu ide untuk Xaba, dan kapan Anda menyadari bahwa robot industri memerlukan pendekatan yang secara fundamental berbeda—secara esensial sebuah otak sintetis daripada lebih banyak baris kode?

Ide itu berasal dari pengamatan tentang bagaimana sebagian besar robot industri gagal pada tingkat variabilitas yang paling dasar. Mesin-mesin ini secara mekanis presisi, tetapi secara kognitif rapuh. Perubahan kecil dalam toleransi bagian, parameter proses, atau perilaku material dapat mengacaukan seluruh operasi.

Respon industri telah konsisten: menulis lebih banyak kode, menambahkan fixture kaku yang mahal untuk menghilangkan variabilitas, menambahkan lebih banyak aturan, mengandalkan pengawasan manusia, dan terus-menerus mengkalibrasi ulang sistem.

Itulah saat kesadaran itu datang: ini bukanlah masalah perangkat lunak — ini adalah otak yang hilang.

Saat ini, robot industri dan pengendali secara buta menjalankan instruksi tanpa memahami apakah hasilnya baik atau buruk. Mereka tidak berpikir tentang dunia fisik di sekitar mereka.

Robot tidak gagal karena mereka kekurangan instruksi; mereka gagal karena mereka kekurangan pemahaman. Manusia tidak mengandalkan ribuan baris kode untuk mengencangkan baut atau mengaplikasikan perekat. Kami beradaptasi secara instingtif berdasarkan gaya, gerakan, dan umpan balik fisik.

Menjadi jelas bahwa robot industri memerlukan sistem penalaran sintetis yang berdasar pada fisika, bukan hanya lapisan lain dari pemrograman.

Bagaimana pengalaman Anda di Augmenta AI dan peran sebelumnya membentuk perspektif Anda saat memasuki Xaba, dan apa celah atau wawasan khusus yang mendorong Anda untuk membangun perusahaan ini?

Di Augmenta AI, kami sangat fokus pada pengambilan keputusan yang digerakkan oleh AI, optimasi, dan otonomi. Yang menjadi jelas adalah bahwa sebagian besar sistem AI beroperasi dalam cara abstrak, artinya mereka mengoptimalkan representasi data daripada berinteraksi dengan kenyataan fisik.

Dalam peran sebelumnya, saya telah melihat proyek otomasi macet atau gagal tidak karena robot tidak mampu, tetapi karena beban rekayasa tidak berkelanjutan. Celahnya jelas: tidak ada lapisan kecerdasan yang dapat menghubungkan niat tingkat tinggi dengan kenyataan fisik. Xaba ada untuk menghubungkan celah itu, memberi mesin kemampuan untuk berpikir tentang gaya, gerakan, kendala, dan hasil dalam cara yang sama seperti manusia yang terampil.

Xaba sedang membangun sistem GenAI berbasis fisika pertama di dunia untuk robot industri. Bagaimana pendekatan ini berbeda dari pemrograman robot tradisional dan dari model AI mainstream saat ini?

Pemrograman robot tradisional bergantung pada jalur yang telah ditentukan sebelumnya, parameter proses, gaya, dan urutan tindakan. Ini mengasumsikan lingkungan berperilaku sama setiap saat, seperti model CAD.

Model AI mainstream mengambil pendekatan yang berbeda, tetapi mereka masih sebagian besar statistik. Mereka baik dalam prediksi dan imitasi, tetapi mereka tidak benar-benar memahami penyebab fisik dan efek.

Xaba memperkenalkan paradigma ketiga. Alih-alih mengandalkan terutama pada data visual atau instruksi statis, kami menggunakan data deret waktu dari sensor seperti gaya, suhu, percepatan, tegangan, akustik, dan getaran untuk memahami fisika dasar dari suatu proses.

Hal ini memberi sistem pemahaman tentang bagaimana tindakan mempengaruhi hasil. Alih-alih hanya mengikuti instruksi, mesin dapat beradaptasi dalam waktu nyata ketika kondisi berubah.

Kami sedang memindahkan robot industri dari otomasi kaku ke sistem yang dapat berpikir secara fisik tentang pekerjaan yang mereka lakukan.

Bagaimana penalaran sintetis meningkatkan kualitas, keulangan, dan adaptasi waktu nyata di lantai pabrik?

Penalaran sintetis memungkinkan robot untuk beradaptasi selama tugas. Jika resistensi berubah, robot menyesuaikan secara tepat. Jika perilaku material bergeser, ia menyesuaikan gerakan. Ini menghasilkan kualitas yang lebih tinggi karena robot merespons kenyataan, bukan asumsi.

Keulangan meningkat karena sistem tidak memutar kembali trajektori yang rapuh; ia menyelesaikan tugas setiap kali berdasarkan niat fisik. Dan adaptasi menjadi asli, bukan pengecualian yang memerlukan pemrograman ulang.

Mengapa Anda percaya bahwa terobosan besar berikutnya dalam AI akan terjadi di sistem fisik, bukan sistem digital murni?

Karena dunia nyata berjalan pada fisika, bukan korelasi. Sebagian besar AI saat ini dibangun di sekitar pengenalan pola dan prediksi.

Terobosan AI terbesar sejauh ini terjadi di lingkungan digital di mana pengenalan pola sering cukup. Tetapi sistem fisik seperti pengelasan, pemesinan, dan perakitan bekerja secara berbeda. Mereka bergantung pada hubungan sebab-akibat antara gaya, energi, suhu, gerakan, dan perilaku material. Dalam lingkungan ini, variasi kecil dapat merusak proses, dan kesalahan memiliki konsekuensi nyata.

Inilah mengapa terobosan berikutnya memerlukan pergeseran dari prediksi yang didorong oleh data ke penalaran yang didasarkan pada fisika.

Fisika-AI memungkinkan pergeseran ini. Dengan menggunakan data deret waktu dari sensor untuk mengekstrak persamaan pemerintahan dari suatu proses, AI dapat berpindah dari menebak hasil ke memahami bagaimana sistem berperilaku. Ini memungkinkan mesin untuk beradaptasi dalam waktu nyata, bahkan di bawah variabilitas.

• AI Digital → sebagian besar dibangun di sekitar korelasi, prediksi, dan generasi konten.
• Fisika-AI → Memungkinkan mesin untuk berpikir, beradaptasi, dan merespons kondisi dunia nyata dalam waktu nyata.

Gelombang berikutnya dari AI tidak akan didefinisikan oleh LLM yang lebih baik atau Imitation Games, tetapi oleh mesin yang dapat memahami dan mengendalikan kenyataan.

Apa yang membuat infrastruktur otomasi saat ini ketinggalan zaman, dan apa yang diperlukan untuk memperbaikinya pada skala industri?

Infrastruktur saat ini dibangun atas asumsi bahwa variabilitas adalah musuh. Semuanya kaku, terlalu direkayasa, dan mahal untuk dipertahankan. Ini tidak berskala dengan baik karena setiap produk atau variasi proses baru memerlukan intervensi manusia yang besar.

Memperbaikinya memerlukan pergeseran dari pemrograman ke kognisi. Anda memerlukan lapisan kecerdasan universal yang dapat duduk di atas perangkat keras yang ada dan membuatnya adaptif. Itulah cara Anda memodernisasi otomasi tanpa merobek investasi dekade.

Banyak produsen kesulitan dengan tugas yang masih memerlukan ribuan baris kode dan minggu kalibrasi. Bagaimana Xaba menghilangkan bottleneck ini?

Produsen menghadapi bottleneck ini karena sistem saat ini didorong oleh kode dan berbasis imitasi, bukan didorong oleh pemahaman. Mereka mengandalkan ribuan baris logika atau model AI yang dilatih pada piksel dan video, yang kami sering sebut sebagai permainan imitasi. Pendekatan ini menangkap pola, tetapi tidak memahami proses yang mendasarinya.

Xaba mengambil jalur yang secara fundamental berbeda.

Kami menggunakan data deret waktu dari sensor, gaya, suhu, arus, dan getaran untuk membangun kelas model dasar baru yang didasarkan pada fisika. Alih-alih mempelajari korelasi, Fisika-AI kami mengekstrak persamaan pemerintahan dari proses. Ini memberi sistem pemahaman sebab-akibat yang sebenarnya tentang bagaimana tindakan mempengaruhi hasil.

Dari sana, sistem menghasilkan tindakan yang valid secara fisik dalam waktu nyata. Robot tidak memutar kembali contoh atau mengikuti kode yang telah ditentukan sebelumnya; ia berpikir tentang proses sebelum bertindak dan beradaptasi terus-menerus di bawah variabilitas.

Dalam prakteknya, itu berarti tidak ada ribuan baris kode, tidak ada ketergantungan pada imitasi berbasis piksel, dan tidak ada kalibrasi konstan ketika kondisi berubah. Sebagai gantinya, Anda mendapatkan sistem yang memahami fisika dan mengendalikannya. Itulah cara kami berpindah dari pemrograman dan imitasi ke penalaran fisik yang sebenarnya dan kontrol otonom.

Robot belajar dari demonstrasi adalah pergeseran yang berani. Apa yang merupakan tonggak teknis yang membuat ini memungkin, dan apa yang masih menjadi keterbatasan saat ini?

Robot belajar dari demonstrasi adalah langkah penting, tetapi ini masih sebagian besar pendekatan berbasis imitasi. Sistem ini memetakan pengamatan (seperti piksel atau trajektori) ke tindakan tanpa memahami fisika yang mendasari tugas.

Dari perspektif Fisika-AI, tonggak yang sebenarnya adalah berpindah dari imitasi ke pemahaman sebab-akibat.

Apa yang membuat ini memungkin adalah:

• Kemajuan dalam persepsi (model bahasa-visi, data multimodal)
• Dataset besar perilaku manusia dan robot
• Kebijakan yang ditingkatkan yang dapat memetakan pengamatan ke tindakan

Tetapi sistem ini masih secara fundamental didorong oleh korelasi. Mereka dapat mereplikasi apa yang telah mereka lihat, tetapi mereka berjuang ketika:

• Material berperilaku berbeda
• Parameter proses berubah
• Geometri atau toleransi bervariasi
• Fisika dunia nyata menyimpang dari data pelatihan

Itulah di mana keterbatasan menjadi jelas.

Di Xaba, kami mengambil pendekatan yang berbeda. Alih-alih belajar apa yang harus dilakukan dari demonstrasi, kami belajar mengapa itu bekerja.

Menggunakan data deret waktu dari sensor, Xaba mengekstrak persamaan fisika yang mendasari proses. Ini menciptakan model Fisika-AI dasar yang memahami bagaimana sistem berperilaku di bawah kondisi yang berbeda.

Terobosan yang sebenarnya datang dari kemampuan mesin untuk berpikir tentang gaya, energi, dan perilaku material, beradaptasi dalam waktu nyata, dan menghasilkan tindakan yang valid secara fisik.

Bagaimana sistem Xaba beradaptasi dengan kondisi dunia nyata yang tidak terduga—variasi material, keausan alat, atau perubahan lingkungan yang halus?

Karena sistem terus-menerus berpikir tentang gaya, gerakan, dan hasil, ia dapat mendeteksi ketika kenyataan menyimpang dari harapan dan menyesuaikan dalam waktu nyata. Keausan alat menjadi variabel, bukan kegagalan. Variasi material menjadi bagian dari lingkaran penalaran.

Ini secara fundamental berbeda dari penanganan kesalahan berbasis ambang — ini adalah adaptasi terus-menerus.

Melihat ke depan lima tahun, bagaimana Anda melihat Fisika-AI berbasis gen ber-evolusi, dan apa yang terlihat seperti pabrik yang sepenuhnya otonom yang ditenagai oleh penalaran sintetis?

Dari perspektif saya, lima tahun ke depan akan menandai transisi dari otomasi ke manufaktur kognitif yang sebenarnya.

Fisika-AI berbasis gen akan berkembang dari mengoptimalkan tugas individu ke membangun model dasar untuk seluruh sistem industri. Alih-alih dilatih pada piksel atau trajektori sebelumnya, sistem ini akan terus-menerus belajar dari gaya, suhu, energi, dan dinamika, memungkinkan pemahaman sebab-akibat tentang setiap operasi.

Perubahan ini mendalam:

• Dari pemrograman → strategi kontrol yang dihasilkan sendiri
• Dari model statis → sistem yang terus-menerus belajar
• Dari korelasi → penalaran yang didasarkan pada fisika

Pabrik yang sepenuhnya otonom yang ditenagai oleh penalaran sintetis akan terlihat secara fundamental berbeda. Mesin akan memprogram diri mereka sendiri berdasarkan hasil yang diinginkan, beradaptasi dalam waktu nyata dengan variabilitas dalam material dan geometri, dan mengendalikan kualitas secara inheren daripada memeriksa setelah proses selesai. Pengetahuan tidak akan terisolasi — akan menyebar di seluruh mesin, garis, dan bahkan pabrik, meningkatkan kinerja terus-menerus.

Tetapi transformasi yang paling penting adalah manusia. Dengan otak sintetis yang sebenarnya untuk manufaktur, hubungan antara manusia dan mesin menjadi dua arah. Manusia tidak hanya memprogram mesin, tetapi juga belajar dari mereka, sebagaimana mesin belajar dari niat dan pengalaman manusia.

Otomasi berhenti menjadi fungsi pekerjaan dan menjadi platform untuk pertumbuhan karir, pembelajaran terus-menerus, dan penemuan. Insinyur, operator, dan teknisi akan berkolaborasi dengan sistem yang menjelaskan, beradaptasi, dan meningkatkan pemahaman mereka tentang proses fisik.

Di dunia itu, tidak ada minggu kalibrasi atau ribuan baris kode. Pabrik beroperasi sebagai sistem yang terkoordinasi, sadar fisika yang memperkuat kemampuan dan wawasan manusia.

Akhirnya, kami berpindah dari pabrik yang menjalankan instruksi ke pabrik yang memahami, berpikir, dan berkembang bersama dengan manusia. Itulah masa depan yang kami bangun di Xaba.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Xaba.